摘要
跨视角步态识别是指利用不同角度或视点的图像或视频数据来识别个体的步行方式或步态特征。这一研究领域主要涉及计算机视觉、模式识别、人工智能等多个学科领域，具有广泛的应用前景，尤其在安防监控、智能识别、生物识别等领域有着重要意义。跨视角步态识别主要源于对生物特征识别、行为分析、多摄像头监控系统以及深度学习技术等方面的需求和发展。在实际监控场景中，常常会使用多个摄像头进行监控，这就需要跨视角步态识别技术来整合不同角度的信息，提高识别的准确性和鲁棒性。因此，本文的具体工作如下： (1)针对遮挡导致难以提取具有可辨别性和多样性的步态特征，设计了一种基于多尺度特征融合模块的跨视角步态识别方法。该方法对改进后 GaitSet 基线网络提取的不同尺度步态特征进行融合，能够有效利用步态特征间的互补性，获得具有可辨别性和多样性的步态特征，从而解决因遮挡造成可辨别性差以及单一性的问题，进而提升跨视角步态识别的准确性。为验证所提方法的有效性，在公共数据集 CASIA-B 上进行了实验，实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了 73.4%，同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。 (2)针对在识别过程中由于遮挡导致难以提取到有效的步态特征，提出了一种基于 SimAM 注意力机制的跨视角步态识别方法。该方法能够提高被遮挡部位特征信息的提取，有效缓解了遮挡对步态识别的干扰问题。为验证所提方法的有效性，在公共数据集 CASIA-B 上进行了验证，实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别性能上达到了 72.5%，同时在正常行走和背包行走两种条件下的识别精度达到了95.2%和89.2%。 (3)为了解决在步态信息被遮挡条件下难以提取有效的识别特征以及在识别过程中识别精度有所下降的问题，设计了一种融合多尺度特征融合模块和 SimAM 注意力机制的跨视角步态识别方法。该方法能够提高被遮挡部位的特征信息提取，缓解遮挡对步态识别的干扰问题。为验证所提方法的有效性，在公共数据集 CASIA-B 上进行了验证，实验结果表明所提方法在处理穿大衣遮挡状态下的识别精度达到了 76.3%，相对于GaitSet网络的识别准确率提升了6%，同时在正常行走和背包行走两种状态下的识别精度达到了96.2%和90.7%，识别精度均有提高。
NETL